理解用于在线危害缓解的反仇恨言论

反仇恨言论通过对仇恨言论者提出质疑并向受虐待目标表示支持，提供对仇恨言论的直接反驳。它通过贡献更多积极在线言论而非试图以移除方式缓解有害内容，提供了比内容审核和平台封禁等更具争议措施更有前景的替代方案。大语言模型（LLM）的发展意味着反仇恨言论的生产过程可通过自动化生成而更高效，从而支持大规模在线行动。然而，我们目前对反仇恨言论用于仇恨缓解有效性的若干重要因素缺乏系统性理解，例如哪些类型的反仇恨言论最有效、实施的最优条件是什么、以及它能最佳改善仇恨的哪些具体效应。本文旨在通过系统综述社会科学中的反仇恨言论研究，并将其方法与发现同计算机科学中自动反仇恨言论生成工作进行比较，来填补此空白。通过这一多学科视角，我们明确了两领域中有前景的未来方向。